Budući da je poboljšanje funkcionalnosti korištenja i razine udobnosti stanara i poslovnih korisnika zgrada povezano s korištenjem velikih količina energije, naglašena je potreba za uspostavljanjem optimalne ravnoteže kvalitete života i rada s jedne i ušteda na energiji u zgradama s druge strane. Optimiranje takve cjeline zahtijeva mnogo računanja, za što su potrebni pouzdani podaci o statusu svih sustava i opreme. Kako energetski sustavi zgrada sve više integriraju osjetnike i slične komponente, moderne građevine zapravo postaju složeni umreženi ‘cyber-fizički’ energetski sustavi, osobito ako se promatraju veliki objekti poput zračnih luka, trgovačkih centara ili uredskih zgrada.
Umjetna inteligencija (AI) može pomoći u optimiranju rada tih složenih sustava upravljajući računanjem brzo i učinkovito. Ona uključuje standardne komunikacijske protokole koji omogućuju razmjenu informacija kako bi se postigli glavni ciljevi kao što su energetska učinkovitost, udobnost, zdravlje i produktivnost u radnim prostorima. Tako njezine primjene uključuju praćenje sustava upravljanja energijom u zgradama za neispravna radna stanja koja uobičajeno smanjuju učinkovitost energetskog sustava. Podaci prikupljeni na komponentama energetskog sustava mogu se koristiti za analizu i predviđanje trenutačnog stanja uz omogućavanje optimalnog održavanja. Nadalje, koristeći se podacima o radu i stanju širokog spektra komponenti za grijanje, hlađenje, ventilaciju klimatizaciju, od jednostavnih filtara zrak, do složenih kombiniranih bojlera, kotlova i kućnih elektrana, umjetna inteligencija može provesti analizu podataka i,uz prediktivne algoritme,omogućiti povećanje energetske učinkovitosti i tih komponenti i sustava u cjelini.
Promjene u zgradama
To je danas složen zadatak zbog visoko postavljenih ciljeva, posebice u članicama Europske unije koje teže tome da do 2050. godine kontinent postane ugljično neutralan. Osim tradicionalnih energetskih funkcija, moderne zgrade zbog tih općih ciljeva dobivaju i neke nove funkcije poput punionica za više električnih vozila što također zahtijeva značajnu količinu električne energije.
Poboljšanje toplinske izolacije u zgradama moglo bi značajno povećati energetsku učinkovitost zgrade i značajno pridonijeti smanjenju potrošnje energije i ugljičnih otisaka u sustavima grijanja u zgradi. Standardi toplinske izolacije sada su ugovorne obveze u novim zgradama, dok je loša energetska učinkovitost česta karakteristika zgrada izgrađenih prije uvođenja tih standarda. Osvjetljenje, vrijeme korištenja, postavljeni temperaturni profili, klimatizacija i ventilacija povećavaju složenost mjerenja učinkovitosti izolacije zgrade. Utvrđivanje kvara ili nedostataka toplinske izolacije može pomoći u smanjenju potrošnje energije u sustavima grijanja. Do sada uobičajene metode mogu se uvelike poboljšati primjenom umjetne inteligencije, npr. hibridiziranih tehnika strojnog učenja za otkrivanje grešaka u toplinskoj izolaciji.
Nadalje, postoji i stalan izazov s nepouzdanošću pri korištenju obnovljivih izvora energije. Zbog ovisnosti o vremenskim uvjetima oni će često varirati po snazi, što može destabilizirati energetski sustav zgrade. Zbog toga je nužno primijeniti mjere kako bi se energija koristila kada je proizvedena, a ako je potrebno, i pohranila za kasnije, pri čemu umjetna inteligencija može preciznije optimirati sustav. Osim toga, ona može iz lokalnih izvora izvući kombinaciju satelitskih i meteoroloških podataka za preciznu prognozu vremena po satima unaprijed, uključujući i podatke o vjetru, vlažnosti zraka i sl. To pomaže u lakšem uravnoteženju ponude i potražnje za energijom u pametnim zgradama koje su opremljene s hibridnim mikromrežama.
Prepreke koje treba riješiti
Dok s jedne strane pametne zgrade predstavljaju revoluciju u građevinarstvu primjenom inovativnih standarda za upravljanje brojnim uređajima i podacima, s druge strane postoje i neke zapreke masovnoj primjeni umjetne inteligencije u zgradarstvu. Pitanje financiranja opreme i tehnike inteligentnih rješenja pri tome zapravo i nije najveći problem,već je to brz i nadasve siguran internet. Za nesmetano funkcioniranje bilo koje takve organizacije, nužna je internetska sigurnost na najvišoj razini. Budući da su pametne zgrade, zapravo, sustav potrošačkih uređaja i pravi podatkovni centar, privatnih osoba i povezanih tvrtki, ostvarivanje sigurne privatnosti je apsolutno ključno. Stoga treba dodatno riješiti informacijske sigurnosne probleme kako bi se osiguralo da korisnici pametne zgrade ne izgube svoje podatke ili da im ih netko neovlašten ne otme, a takve sigurnosne mjere donijet će i više troškove.
Upravo bi uspostavljanje dobre prakse i postupaka za smanjivanje sigurnosnih rizika moglo jačati povjerenje u sustave umjetne inteligencije. Iako je početak njezine šire upotrebe doveo do rasprava o potrebi za njezinim boljim interpretacijskim modelima, glavni izazovi za njezinu primjenu u pametnim zgradama i u društvu odnose se na elastičnost, točnost i pouzdanost takvih sustava. Čini se da bi se rješavanje tih izazova moglo postići, npr.uvođenjem standardiziranih provjera za procjenu robusnosti rješenja za umjetnu inteligenciju, a posebice za određivanje njihovog područja djelovanja u vezi s podacima koji su korišteni za edukaciju sustava, vrste matematičkih modela i konteksta upotrebe.
Umjetna inteligencija u praksi u zgradama
Iako je primjena umjetne inteligencije u zgradarstvu još na početku, većina elektroenergetskih tvrtki u razvijenim zemljama danas ima programe energetske učinkovitosti koji pomažu kupcima u identificiranju energetskih gubitaka i u provedbi mjera za uštede na energiji. Ipak, uvijek postoje i tvrtke koje rade na drugačijim, inovativnim rješenjima. Neki od tih programa koriste autonomnu umjetnu inteligenciju za značajno smanjenje potrošnje energije u zgradama kako bi se zadovoljile njihove potrebe za grijanjem i hlađenjem i učinile ih mnogo učinkovitijima i fleksibilnijima na vanjske i zahtjeve korisnika zgrade.
Na primjer, autonomna tehnika umjetne inteligencije za kontrolu grijanja, hlađenja, ventilacije i klimatizacije jedne kanadske tvrtke proučava kako zgrada funkcionira i analizira vanjske čimbenike koji na nju utječu. Time se identificiraju mogućnosti za poboljšanje, a zatim se djeluje na optimiranje energetskog sustava zgrade. Riječ je o rješenju koje ne zahtijeva ljudsku intervenciju i autonomno reagira na promjene u okruženju kako bi se u svakom trenutku održala najveća udobnost stanara i energetska učinkovitost.
Zanimljivo je da prema navodima tvrtke koja ga je razvila, to rješenje ne zahtijeva nikakve promjene na postojećim sustavima grijanja, hlađenja, ventilacije i klimatizacije većine zgrada, a osobito poslovnih. Ono se jednostavno povezuje s onime što je već instalirano i koristi postojeće osjetnike i podatke zajedno s informacijama od trećih strana kao što su vremenske prognoze i podaci o korištenju stanova ili poslovnih prostora u zgradi. To sve se potom koristi za donošenje odluka o načinu rada energetskog sustava zgrade.
U praksi se rad sustava grijanja, hlađenja, ventilacije i klimatizacije zgrade treba mijenjati tijekom dana. Primjerice, uredima orijentiranim prema istoku može biti potrebno više hlađenja prijepodne, dok Sunce izlazi, a uredima orijentiranima prema zapadu moglo bi biti potrebno više hlađenja kasnije tijekom dana, dok Sunce poslijepodne sja kroz prozore.Tehnika umjetne inteligencije u obzir uzima takve promjene i prilagođava mjere kako bi se svaka zona održavala optimalno ugrijanom ili ohlađenom.
Osim toga, ranije spomenuto rješenje iz Kanade može neprestano učiti pa će, npr. samo prepoznati promjene u okruženju zgrade koje utječu na zahtjeve za grijanje i hlađenje.Primjerice,ako se na južnoj strani zgrade umjesto parkirališta za godinu dana izgradi novi neboder koji će popodne bacati sjenu na urede u prvoj zgradi, to se ne mora reći umjetnoj inteligenciji. Ona će sama ‘shvatiti’ da su se promijenili temperaturni parametri u uredima na južnoj strani i ‘naučiti’ kako će tome prilagoditi energetske mjere koje su potrebne da se u njima ostvari primjereno hlađenje ili grijanje.
Nadalje, kako bi se povećala uspješnost umjetne inteligencije na tim zadacima, inženjeri i dalje u taj sustav uključuju sve više različitih podataka, poput onih o onečišćenju ili o ugljičnoj intenzivnosti. Zahvaljujući tim mjerama, potrošnja energije u zgradi trebala bi se uobičajeno smanjiti za 20 - 25% i to bez ikakvih građevinskih radova ili investicija u dodatnu opremu.
